Token — die Grundeinheiten zur Messung und Preisgestaltung der KI-Nutzung — haben sich rasch zu einer der wichtigsten Kennzahlen für Unternehmen entwickelt. Die Preisgestaltung für KI-Modelle im Unternehmensbereich hat sich von statischen Abonnements zu dynamischen, nutzungsbasierten Modellen verlagert, und der zunehmende KI-Verbrauch hat das, was als Produktivitätsexperiment begann, inzwischen zu einer potenziellen Quelle von Margendruck gemacht. Da Token-Gebühren in der Regel mit dem Umfang des verarbeiteten und generierten Textes steigen, kann eine stärkere Nutzung durch Mitarbeiter schnell zu variablen Kosten werden, die schwerer vorherzusagen sind als herkömmliche Software-Lizenzen pro Nutzer. CEOs befinden sich in einem heiklen Balanceakt.

KI ist nicht die Art von Softwarewerkzeug, das sich nach Belieben einfach ein- und ausschalten lässt. Im vergangenen Jahr haben sich große Sprachmodelle tief in Geschäftsprozesse eingebettet, und alle Anzeichen deuten darauf hin, dass diese Abhängigkeit bestehen bleiben wird. Eine undifferenzierte Einschränkung der KI-Nutzung — ein Ansatz, den viele Führungsteams derzeit erwägen — würde nicht nur das Wachstum und die Effizienzgewinne bremsen, die Unternehmen bereits erzielt haben, sondern sie auch schlechter darauf vorbereiten, die nächste Generation von KI-Fähigkeiten zu nutzen, wenn Experimentieren entmutigt wird.

Die Gefahr besteht darin, dass Führungskräfte in die Falle geraten, ihre KI-Ausgaben sprunghaft anzupassen, um das nächste Quartalsbudget auszugleichen, und dabei die grundlegende Transformation verpassen, die KI ermöglichen wird, wenn sie systematisch statt reaktiv gesteuert wird.

Die zweite Phase der KI-Einführung

Die Geschäftswelt ist in die zweite Phase der KI-Einführung eingetreten. Der Auftrag hat sich verschoben: weg vom schnellen Nachweis von Kompetenz und Fortschritt, hin zum Beweis, dass Unternehmen den größtmöglichen Wert aus KI ziehen können, ohne ihr Ergebnis zu gefährden. Diese Phase der nachhaltigen Einführung wird bald eine Trennlinie mit langfristigen Folgen in der Unternehmenslandschaft sichtbar machen — zwischen Organisationen, die KI wirtschaftlich managen und skalieren können, und solchen, die dazu nicht in der Lage sind. Token-Kosten sind lediglich das erste sichtbare Symptom eines umfassenderen Governance-Problems.

Zwei zentrale Annahmen haben zu diesem Wendepunkt geführt. Die erste war eine attraktive, letztlich aber fehlerhafte These darüber, was KI Unternehmen ermöglichen würde: menschliche Arbeitskosten durch Modellkosten zu ersetzen und die Effizienzdifferenz als Gewinn zu vereinnahmen. Dieser Tausch hat sich als weit weniger geradlinig erwiesen. Viele Organisationen, die diese Idee aufgriffen und in Erwartung KI-getriebener Produktivitätsgewinne Personal abbauten, stellten fest, dass sie institutionelles Wissen und entscheidende Ingenieurskompetenz verloren hatten, die notwendig sind, um KI-Systeme im Laufe der Zeit wirksam zu integrieren und zu verfeinern.

Diese Erkenntnis trifft nun Unternehmen, die groß angelegte Entlassungen vorgenommen haben. In einem prominenten aktuellen Beispiel sagte Ford, das Unternehmen müsse Hunderte von Ingenieuren wieder einstellen, um Qualitätskontrollprobleme zu beheben, die durch neu eingeführte KI-Werkzeuge entstanden sind. Führungskräfte verwiesen ausdrücklich darauf, dass der Mangel an erfahrener Expertise die Produktentwicklung beeinträchtige und Effizienzgewinne durch autonome Systeme begrenze.

Die zweite Annahme betraf eine Fehlanpassung zwischen Investoren und Managementteams. In Teneos jüngster jährlicher Umfrage unter CEOs und Investoren erwarteten 53 percent der Investoren innerhalb von sechs Monaten eine Rendite auf KI-Investitionen, während nur 16 percent der CEOs großer börsennotierter Unternehmen glaubten, diesen Zeitplan einhalten zu können. Diese Frist ist nun erreicht. Die Lücke ist bedeutsam, weil KI-Programme häufig Änderungen an Arbeitsabläufen, Datenpraktiken, Lieferantenmanagement und Mitarbeiterschulung erfordern, bevor Vorteile verlässlich gemessen werden können. Kurze Amortisationszeiträume lassen sich daher nur schwer mit der typischen Einführung von Unternehmenstechnologie vereinbaren.

Fünf Empfehlungen für Aufsichtsgremien und CEOs

Das Zeitfenster für den Aufbau disziplinierter KI-Governance ist weiterhin offen, doch das wird nicht unbegrenzt so bleiben. Zwischen den beiden Firmen arbeiten die Autoren weltweit mit Tausenden von CEOs und Aufsichtsgremien zusammen, um diese Herausforderungen anzugehen. Die folgenden Punkte stellen ihre aktuelle Empfehlung dar.

Erstens: Formulieren Sie die KI-Debatte im Boardroom neu. Fragen Sie nicht länger, wie viel für KI ausgegeben wird. Fragen Sie stattdessen, wo KI-Investitionen dauerhafte Wettbewerbsvorteile schaffen — und wo sie lediglich Verbrauch erzeugen, ohne kumulierenden Wert zu schaffen.

Zweitens: Behandeln Sie KI-Ausgaben als Entscheidung zur Kapitalallokation, nicht als Posten im IT-Budget. Nutzung, die neue Umsätze ermöglicht, differenzierte Kundenerlebnisse schafft oder proprietäre Fähigkeiten aufbaut, ist eine Wachstumsinvestition. Nutzung, die lediglich Prozesse mit geringem Wert automatisiert, ist ein operativer Aufwand. Diese Unterscheidung gibt Aufsichtsgremien auch eine klarere Möglichkeit, KI-Initiativen mit anderen strategischen Verwendungen von Kapital zu vergleichen, statt den gesamten Modellverbrauch als undifferenzierten Technologiekostenblock zu behandeln.

Drittens: Etablieren Sie Governance-Mechanismen, die Arbeitslasten dem kostengünstigsten Modell zuordnen, das sie zuverlässig ausführen kann. Mitarbeiter werden sich naturgemäß zu den neuesten und leistungsstärksten Modellen hingezogen fühlen, selbst wenn ältere Generationen das gewünschte Ergebnis liefern können. Eine praktische Umsetzung könnte in einer Softwareschicht bestehen, die Prompts entgegennimmt und sie automatisch an das geeignete Modell weiterleitet.

Viertens: Gestalten Sie Anreize rund um die KI-Nutzung neu. Mitarbeiter sollten nicht dafür belohnt werden, KI am häufigsten zu nutzen — ein Reflex, den viele Unternehmen anfangs zeigten, weil sie Investoren eine fortgeschrittene Einführung demonstrieren wollten. Ebenso sollten sie nicht durch pauschale Nutzungslimits bestraft werden, da dies Innovation unbeabsichtigt bremsen kann. Stattdessen sollten Organisationen effiziente KI-Nutzung belohnen: bessere Geschäftsergebnisse mit dem angemessenen Maß an KI-Verbrauch zu erzielen. Wie in einer Analyse des Wall Street Journal festgestellt, ist das Ziel nicht maximale Nutzung, sondern maximaler Wert pro Token.

Fünftens: Verteilen Sie KI-Governance im gesamten Unternehmen. KI-Governance kann nicht an eine einzelne Rolle wie einen Chief AI Officer delegiert werden. Führungskräfte in allen Funktionen müssen dafür verantwortlich sein, die nachhaltige KI-Einführung in ihren Teams zu steuern. Mitarbeiter wiederum benötigen praktische Unterstützung, um zu verstehen, wie ihre KI-Nutzung bewertet wird, und um die Fähigkeiten zu entwickeln, die erforderlich sind, um langfristig sinnvoll und effizient mit KI beizutragen.

Der weitere Weg

Die Unternehmen, die in dieser Phase der KI-Einführung bestehen werden, sind nicht diejenigen, die KI am meisten nutzen, und auch nicht diejenigen, die am wenigsten ausgeben. Es werden diejenigen sein, die KI am besten steuern und KI-Verbrauch konsequent in dauerhafte wirtschaftliche Vorteile umwandeln. Dieses Gleichgewicht zu erreichen ist schwierig, insbesondere bei einer Technologie, die sich in diesem Tempo entwickelt. Doch dieses Gleichgewicht falsch zu setzen, könnte bald zu einer existenziellen Frage werden.

Die in Kommentarbeiträgen auf Fortune.com geäußerten Meinungen sind ausschließlich die Ansichten ihrer Autoren und spiegeln nicht notwendigerweise die Meinungen und Überzeugungen von Fortune wider.

Diese Geschichte erschien ursprünglich auf Fortune.com.